摘要：算法经济下数字技术改变了传统劳动秩序，算法平台通过任务分配、评价管理等方式，塑造全新的算法数字劳动模式。算法利用数据技术实现对劳动者的跨时空支配，劳动过程从现实世界向算法世界延展，劳动过程、劳动模式、劳动规则的嬗变，凸显传统从属性理论的局限性。算法劳动者接受算法平台的算法指令与算法监督管理，从身份上与算法平台形成技术从属关系。但算法平台往往隐蔽劳动从属外观，从而规避其本应承担的用工责任。因此亟须重构劳动者认定方式，矫正算法技术下的劳资失衡，促进算法经济的稳健发展。
关键词：算法经济；算法劳动；劳动从属性；技术从属性
中图分类号：D922.29 文献标识码：A
文章编号：1005-3492(2022)02-0101-12
一、引言
人工智能、大数据、云计算、移动互联网、区块链等日新月异的信息技术不断推动着信息网络空间的高速发展。算法技术在劳动力市场的应用也引起了日益广泛的关注，采用算法数据技术，使算法平台拥有创造与消除职位短缺的能力，并且逐渐占据劳动力市场的重心。算法劳动（Algorithmic Labor）是算法平台利用算法技术与数据技术的革新，通过算法动态管理、算法定价以及算法管理等方式，借助信息不对等的优势地位，实现对劳动者的软控制，使其遵守算法平台的规则的劳动过程。借助算法技术赋能，算法平台将原有劳动任务拆解成碎片化的工作流程，算法劳动者不得不接受浮动的收入，造成算法劳动模式与国家劳动政策的背离，算法劳动者被算法平台从劳动保护框架中剥离。
算法技术介入劳动过程形成常态化，使得传统劳动模式发生根本性的转变。劳动者的生产过程同时也产生劳动数据，并且被算法即时记录，算法而后根据劳动者的劳动数据进一步进行优化，模拟出更加高效的工作流程，并根据劳动者的劳动成果（包括评分、接单率、拒单率、在线时长等），进行评价反馈，进一步改进劳动者的工作流程。
在算法习得与改进之下，原本需要劳动技能的工作，已经不再需要任何劳动培训，多数复杂劳动转变为简单劳动，骑手、滴滴司机、配送员、快递员等职业，只需接受算法支配，完成算法系统所给出每个指令。
算法实现了劳动者与算法系统的结合，重复性工作可以跨空间进行分配。算法技术对劳动力的影响着重表现在网络平台携带算法技术以及算法劳动规则，实现对劳动过程形成全方位的影响与控制，特别是算法中介的精细化时间安排和排他空间支配。雇主利用算法将机器难以实现的重复性工作分配到任何地域，并通过算法系统实施管理，从而实现劳动与算法的捆绑，并且发挥人机协作的优势，尽可能地压低劳动成本，实现资本利润的最大化。算法框架设计与算法逻辑对传统从属理论形成冲击，造成劳动法理论与算法劳动现状之间产生割裂，算法劳动者的社会保障缺失，亟须改变劳动者认定的标准。
二、解构：传统从属性理论的冲击
算法平台利用多重机制将算法劳动者与算法平台捆绑，以此实现对算法劳动者的控制，转变了传统劳动规则，对传统的劳动法理论提出了新的命题。传统劳动法理论判定劳动者身份的标准在于是否具备从属性，传统从属性理论判断劳动者的关键在于其是否在“从属性”之下提供劳务，而从属性亦可区分为人格从属性与经济从属性，前者是指劳务给付行为随时受到雇主的监督与控制，因而显现的较为强烈的附属关系；后者是指劳务给付者在资力上出于弱势地位，必须依赖对雇主提供劳务获取工资以求生存。从属性是劳动供给者身份的展现，是对其劳动状态的描述，故以先验知识无法制定劳动者身份规则。
传统劳动从属理论以人格从属作为主要判断依据，而经济从属性作为辅助标准，导致裁判者在审理算法劳动案件时，恪守传统从属性理论的框架，认为算法劳动者与算法平台之间没有人身依附与管理关系，并不存在从属关系。此种裁判逻辑将算法劳动者排除在劳动法的适用范围之外，暴露于市场风险之下。究其根本原因在于传统从属理论的基础发生改变，其理论诞生于大工业生产时期，依据劳动过程的特征抽象出从属性，如果将其套用于算法劳动，往往得出算法劳动者并不具备从属性这一结论。传统劳动从属理论强调雇主的现实控制，但在算法劳动过程中控制方式被算法技术虚拟化，算法劳动也因此被认为可以自主掌控工作时间与强度，享有充分的劳动自主权，不符合从属特征。正是由于算法空间、算法组织与算法控制塑造的新型算法劳动，迥异于传统劳动模式，导致传统从属理论面临此种危机。
（一）劳动空间：从工厂空间到算法空间
工业革命时期的工人依附于雇主，劳动者的人身受到雇主的严格控制，劳动者在雇主的指挥监督之下劳动，在此情形之下，劳动者的从属性与工作场所的拘束性和时间上的约束性紧密相关。大工业生产时期，劳动者的依附于雇主的形态被抽象化出人格从属性，如德国联邦法院认为人格从属性需要包括：（1）纳入企业组织；（2）雇主指示的拘束性—包括专业上的指示、以及关于工作时、地的指示—人事与组织上的从属性；（3）劳务的利他性/为他人而劳动等作为人格从属性的表征，并以雇主——特别是关于工作时、地—指示的拘束性作为主要的决定因素。在传统的从属性理论当中,雇主直接雇佣劳动者,劳动者在雇主指挥监督下提供劳动,能够较简单地从作业上指挥监督的实际状况及劳资双方在履行契约内容上的互动关系判断劳动契约关系的存否。这种标准适用于传统工业化生产过程中，很容易判别其是否为劳动者。
然当劳动的空间从工厂空间迈入算法空间之时，此种判别标准已难以适用。算法时代下工作场所被置于虚拟算法空间之内，平台算法、远程办公、网络众包等方式进一步冲击传统从属性理论中的空间概念，工作场所的界限逐渐模糊，算法劳动者可以不受时间以及地域的限制，完成各项工作任务，淡化了雇主在工作场所之内的指挥权限，但也进一步从技术上促进了雇主对于劳动者的监督与远程指挥。当前算法监控技术已经完全成熟，监督的成本较工业革命时期的成本更为低廉之时，雇主利用算法技术，可以监控算法劳动者的整个劳动过程。即使在工作场所之外，雇主可以轻易地通过算法，获悉员工的工作情况，以及利用算法审核员工的工作成果，对其进行反馈。算法空间之下的从属性已经超越了传统从属性理论，透过算法所构建的时空，可以瞥见被算法支配的算法者，正如蚁人一般劳作。
算法空间改变了原有的物理意义上的空间，员工只要拥有移动设备即可完成工作任务，这也面临着另一问题，劳动时间的计算。在大工业生产结构之下，劳动者在工作场所的时间基本上可以很容易的计算。但在算法框架之下，算法劳动者的工作时间本应更易计量，但是算法劳动者的等待时间却未被计入劳动时间。在传统劳动法理论当中，劳动时间是“处于指挥命令之下”的时间，这就需要明确算法劳动者的劳动过程在于雇主的指挥监督之下。而在实际劳动过程中，劳动力的使用则是通过支配、指示劳动者来实现。人格从属性是指负有给付义务的劳动者基于用人单位明示、默示或依劳动的本质，在约定期间内，对自己生活内容和时间不能自行支配。算法时代的到来改变了这一现状，将传统从属理论规范算法劳动关系，略显削足适履，使得劳动法理论与劳动力市场产生割裂。
（二）劳动组织：从实体组织到算法组织
工业化生产结构之下，企业通过组织管理实现对劳动者的控制，企业对劳动过程的监管以达到利益最大化。工厂企业以组织结构为工具，将劳动者纳入统一体当中，企业要面临从属劳动的本质就是在他人的处分权之下劳动。劳动法上的从属性在本质上就是支配的从属性，劳动生产过程与价值形成过程的二重性，在这个过程当中劳动者始终处于雇主的支配之下，雇主可以对劳动者奖惩、劳动时间、解雇等支配的实现，无一不彰显着雇主在组织上的这项权利。在雇主的企业结构当中，在管理者一侧是雇主对于劳动者的控制地位，而在劳动者一侧则体现在其从属地位。雇主设定工作目标，制定工作方法，乃至直接干预工作过程，劳动者任何违反雇主指令的行为都会面临着严重的惩戒。因此在传统从属理论当中，劳动者从属于企业，而留给劳动者的决定权是极其有限的，而企业管理者也试图干预整个劳动过程。
算法打破了传统的企业实体组织结构，在算法数据管理之下，企业从冗杂的组织结构中抽身出来，更多地专注于核心业务。在算法数据的帮助之下，劳动任务可以以标准化的指令进行完成，不再需要劳动者花费大量时间学习劳动技能，算法数据系统获得重复劳动数据，进一步优化重复劳动，提供新的标准。劳动过程有了算法数据支持，劳动过程更加细分，劳动过程逐渐被分割成一个个任务碎片，置于算法时空当中，个体工人被迫零散地参与劳动过程。因此，“整个过程不再属于任何单个工人的领域。”
算法平台提升了企业可以利用劳动力的方式，在劳动力市场当中，算法大数据为劳动力供需提供便捷的平台，标准化契约简化了订约成本以及人力管理资本。劳动力在数据算法之下，更加便捷地完成数据系统所分配的任务。在传统的大工业生产当中，标准化雇佣模式成为主流，在标准化模式之下，雇主与劳动者形成稳定状态。劳动者需要较高的职业技能，而对于企业来说，需要对劳动者进行培训，提高其劳动效率。但算法时代出现打破了这一现状，劳动者不再需要复杂的劳动技术，而企业也无必要继续对劳动者进行培训以及人力资源管理，大部分的重复工作被算法数据所取代。算法时代下的劳动者，其工作呈现碎片化状态，不再是传统的企业必须有大量的员工。
（三）劳动控制：从实际控制到算法控制
传统工业企业有积极控制员工的意愿，通过制定规章制度、工作手册、奖惩措施、激励制度等一系列机制实现对劳动者以及劳动过程的控制。以算法技术驱动的管理策略区别于传统劳动过程管理机制，劳动过程以数字化形式展现，计入可计量范畴，算法劳动者的劳动行为被严格控制。基于算法统计模型与算法预测模型，智能化算法系统实现对算法劳动者的动态控制，算法操作指令在大数据化先完成，算法劳动者必须按照算法指令完成任务。算法以外卖平台例，在送餐过程中，外卖员必须时刻保证与顾客的及时联络和协商。而通过后台的APP，顾客可以时刻“跟踪”送餐员的位置移动变化。在高峰时段，当外卖员同时派送多个订单时，由于时间限制和路线规划的不同，经常遭到客户的投诉。
算法平台企业使用算法数据系统，以顾客对于平台工作者的工作评价为标准，作出奖惩的决定以及事后控制机制。算法下的个体会面临符合自身能力素质的工作，算法平台公司并无动力为劳工提供培训，这种企业管理模式具有较低的从属性以及员工具有更多的自由完成工作任务。但这并不意味着企业没有进行监督管理，数据算法的出现更带来监管的严格，依赖网络定位、视频监控、信息搜集等技术，企业表面在放松对员工空间上的管理的同时，另一方面也加强了对员工的实际控制。然而算法数据平台对于员工的控制更多地属于消极管理，在于提高服务质量以及确保标准化服务模式。
算法平台通过顾客评价监控算法劳动者的服务质量，来确定其是否完全遵照算法指令。算法技术将劳动过程碎片化，对劳动过程的步骤进行算法量化，实现算法劳动服务的标准化、统一化。算法劳动该过程由于算法机制的介入，每位算法劳动者完全在算法的控制范围内，被困在算法的牢笼当中。算法技术改变了过去的企业层级控制方式，形成自主化决策的算法劳动系统。算法精细化控制相较于传统管理控制机制更加便捷高效，然而算法劳动者却沦为数字难民，嵌入极不合理的算法秩序当中，被迫付出更多的体力与精力。
三、技术从属性的理论内涵
算法空间、算法组织与算法控制形成的算法劳动秩序，引发一系列的劳动过程、劳动模式、劳动规则的嬗变，凸显传统从属性理论的局限性。在工业革命背景下，资本社会生产力提高，部门分工细化，劳动者仅凭自身技能无法单独从事劳动生产，资本使得劳动者超出自身局限，提供更多劳动。“生产资料，物的劳动条件……也不表现为从属于工人，相反，是工人从属于他们……资本使用劳动。”在算法时代，科技与劳动实现彻底对立，劳动对资本的从属形式已经彻底实现了由形式从属向实质从属的转变。劳动对于资本的从属更多地表现为劳动手段的普遍的技术从属（technische unterordnung）。算法平台依靠数据本身，将复杂劳动转变为简单劳动，算法劳动者反过来不得不依附于算法数据平台，在此种劳动过程当中，完成了算法劳动者对于资本的技术从属。
通过算法技术，算法平台让算法劳动者主观误认为工作自主，但实际上算法劳动者在真实场境当中，被算法平台削弱了工作自主权利。在算法监控之下，算法劳动者不得不接受算法指令，并且依赖算法平台，算法平台也借此将更多的商业风险转嫁给算法劳动者，使算法劳动者从身份上与算法平台形成技术从属关系。以技术从属性为特征的从属劳动，并非采用传统从属理论中的现实控制方式，而是借助算法劳动技术而形成的实际约束，因此需要阐明技术从属性的理论内涵，揭示算法平台与算法劳动者之间的实质从属关系。
（一）算法指挥命令
在判断劳动者是否具有从属性时，审判者首先考虑其在业务履行过程当中是否接受雇主的指挥命令，以及在劳动过程当中受到时间和场所上的拘束程度。劳动契约的本质特征是劳动者对于劳动力利用自由的丧失，这也是“指挥监督下劳动”的本意。劳动者接受雇主的指挥命令，并且于时间场所上受到约束，成为判别劳动者身份的核心标准，但此种标准在审判过程中也难以甄别劳动者身份。算法数据的出现消除了劳动过程中对于时间与场所的约束，然而在算法驱动之下，劳动者无时无刻不在接受算法平台的指挥与命令。
算法平台利用数据信息技术，实现劳动过程从真实场境向虚拟空间的转移，并且依托数据自主协调劳动时间与场所，并且自动匹配劳动交易。智能算法技术化身成为指挥者，算法劳动者接受算法任务指令，并在履行任务过程当中受到实时动态监控，成为算法数据的工具。在传统从属性理论当中，常常通过考察劳动者是否对业务指令有无诺成上的自由，以甄别其身份。算法平台赋予算法劳动者形式上的诺成自由，但实际上算法数据技术常常惩罚拒绝接受订单的算法劳动者，降低其评价级别，限制此类算法劳动者的接单概率，以保证在线劳动资源的可调度性。各大算法平台制定了详细的算法规则，并且通过算法技术计算算法劳动者的业务指标，如接单率、拒单率、在忙率、超时率等，在这些指标之下，算法劳动者不得不接受算法的指挥与命令。
算法数据对于算法劳动者的行为控制，较之于传统劳动过程更为严格。算法平台搜集算法劳动者的定位信息、通话信息、身份信息等个人信息，实现对算法劳动者的数据实时监控，并提醒其行为必须符合规范。算法平台可以利用智能语音助手，根据骑手信息提供实时导航，并且根据骑手行动轨迹进行数据分析，为骑手提供实时导航，通过读取通话信息信息，对骑手进行约束与控制。Uber也常通过算法系统，在司机存在行为不规范的可能时，向司机推送信息，确保其服务态度与服务质量。
（二）算法监督控制
雇主为保证劳动者的工作效率，提高企业生产效率，维护工作场所秩序，增进企业经济利益，确有必要对劳动场所进行监督监控。劳动关系并非单纯债的关系，雇主与劳动者建立劳动关系，劳动者出让其部分行动自由，接受雇主指挥监督，其隐私权必然受到限制。我国《劳动合同法》第八条也表明雇主对于劳动者的个人信息拥有知情权，然而在算法系统之下，雇主对于劳动者基本信息的知情权已然异化。算法掌握了劳动过程中的所有数据，其知悉权也超越了劳动者基本信息的范畴，个人网络邮件、社交平台以及生物信息等信息无一不在雇主的管理监控之下。
算法为雇主搜集劳动者的个人信息提供更为便捷的工具，算法数据赋予雇主以信息优势地位，对劳动者形成信息控制，增加了劳动者对于雇主的依附性。传统劳动过程当中，雇主在工作场所之内安装监视设备，形成对劳动者的监督控制。算法系统将监督控制的权限扩大到工作场所之外，雇主通过算法轻易可以获取劳动者的大量个人信息，劳动者丧失信息自决，完全在处于雇主的监督之下。算法技术的负面应用造成算法劳动者在不知情的情况下，个人所有信息被雇主知悉，但此并非雇主管理需要。
算法技术进一步加剧劳资强弱的境地，算法劳动者的知情权被“雇佣规则”掩盖，其知情权行使遭遇障碍。雇主对于算法劳动者个人信息的收集是其控制权利的表现。劳动过程中产生的算法数据都在雇主的监控之下，甚至成为评价绩效考核的工具和手段。算法系统让算法劳动者丧失其隐私期待，雇主超出必要限度搜集劳动者隐私信息，加强对劳动者的监督控制与管理。算法系统的不透明掩盖了对劳动者的隐私权的侵犯，劳动者对此也无法寻求救济。
（三）算法平台依赖
算法系统劳动者从传统用工模式中的约束中摆脱出来，算法平台往往借用承揽、外包、派遣等一系列的名义，让劳动者陷入虚假的独立自主地位，劳动者误以为可以自主地决定其工作时间与工作地点。但在算法系统之下，劳动者完全丧失工作自由，完全被困在算法牢笼之内。算法系统需要保证劳动者的在线率，确保订单的完成，增加顾客粘性，因此算法系统往往通过多种形式推动劳动者的平台依赖，包括溢价订单、红包激励、等级分层等措施，劳动者不得不依附平台。算法系统提供了一种管理者与员工之间的全新体验，自主化的算法数据系统让劳动者自身亦难理解其自身是否依赖平台。
算法技术系统可以通过报酬机制，影响劳动者对平台的选择。依据算法数据而生成的报酬获取机制，系统压缩了劳动者自由选择的余地，为获得目标报酬，劳动者必须放弃部分自由。算法平台通过对价格进行合理尺度的下浮操作，在平台利润正向的情况下，促进订单总量以及在线劳动者的留存。因此，算法劳动者就面临着不可预测的工作任务，往往需要更久的在线等待时间，为追求与标准劳动者获得同等报酬，算法劳动者往往需要更久的工作时间。据统计，出租车和送货部门的大多数从业者工作强度大、时间长，出租车部门平均每周工作65小时，送货部门平均每周工作59小时。2021而网约车专职司机每天需工作10小时以上，每月才能获得七八千元工资，70%的网约车司机月平均收入均低于6000元。
算法平台利用多维度奖惩机制，有效调度和激励算法劳动者，增加其自主服务意愿与平台粘性，实现算法劳动者与算法平台之间的依赖与捆绑。例如滴滴出行结合司机的生命周期阶段、服务时段及市场等设定多样奖励机制，如新人奖、高峰翻倍将等，以调动司机服务积极性，提高供需匹配效率。同时，算法平台也设定了惩罚规则，以规范算法劳动者的服务行为。如美团众包制定了详细的扣款定责规范，如骑手有商品丢失、商品缺少、服务态度以及配送超时等原因，将会从骑手账户上进行扣款。算法数据平台的奖惩机制，将算法劳动者困于系统之内，不得不依赖算法平台。
（四）算法风险分配
劳动关系的人身从属性意味着劳动者在生产过程中的自由受到限制，需要接受雇主指挥命令与监督管理，劳动过程中产生的内部风险与外部风险也应由雇主承担，即雇主的保护照顾义务，以及雇主需对劳动者在劳动过程中因职务行为致使他人遭受的侵害承担赔偿责任。劳动者的劳动行为是出于雇主的经营利益需要，因此无需承担劳动过程中的各项风险，故德国也有学者提出劳务提供者是否自愿承担独立营业人所具有的风险，可作为判别劳动者的区分标准。平台利用算法管理技术，有效规避灵活用工、运营管理以及服务质量等风险，并将风险转嫁给社会与算法劳动者。在标准劳动关系之外的算法劳动者不得不直面市场，吸收这些风险，然而这些风险本应由雇主承担。
数据算法让算法平台规避了本应承担的安全保护义务，算法劳动者在劳动过程中被迫接受劳动安全风险。传统劳动关系下，受雇人对于雇佣人之生命健康应以庇护。但算法平台摆脱了对算法劳动者的安全保障义务，算法劳动者不得不承担整个劳动过程中的所有风险，其自身权益无法得到有效保护。算法劳动者无法享受工伤保险待遇，而算法劳动者缴纳的第三方商业保险也无法对其提供安全保障，例如饿了么平台从众包骑手的佣金中扣除3元，代为缴纳保险，但由于其流程繁琐，理赔难以实现。
在算法数据管理之下，平台将本应由自身承担的经营业务管理风险转嫁给算法劳动者。算法劳动者的劳动过程在算法指导下完成，算法平台收集算法劳动者的劳动信息，并进行统计、分析与学习，最终为算法劳动者提供准确的选择方案。但算法系统往往因为信息收集过程中的信息错误、信息不全以及信息虚假等问题，导致为算法劳动者提供错误的选择方案，导致任务无法完成。此种风险本属于算法平台的业务风险，但算法平台却规避了此类风险责任，如滴滴车主用户协议中规定，其并不保证导航的准确性、完整性与及时性，但是倘若不遵守导航建议往往遭受罚款与扣分。外卖平台为追求时效，往往忽视其算法规划路线的合理性，此种算法缺陷所带来的后果是外卖员不得不违反交通规则，或者面临配送超时的惩罚。如饿了么、美团、打打等外卖平台使用的是步行导航规划数据，路线最短最快，也容易出现逆行的情况。算法规划的路线不合理，其风险责任本应由算法制定者承担，算法平台将其风险嫁接给算法劳动者。
四、技术从属性的现实应用
算法时代的到来，劳动形态已经完全发生改变，传统劳动者从属理论很难从外观上甄别劳动者，而算法更加模糊了标准劳动者与非标准劳动者之间的界限。而今算法劳动者的判断标准更应该从算法劳动的实质上出发，然而算法规则的不透明让判断劳动者的过程更为复杂。在技术从属性之下，可以看到算法平台利用算法数据对于算法劳动者的身份捆绑，其指挥命令、监督控制、平台依赖、风险分配等特性较之于传统劳动形态，更具有从属特征，然却无任何劳动保障。因此，对于算法劳动者需要加以劳动法上的保护，促进算法经济的发展，实现算法劳动的主体回归。
（一）以技术从属性构建实质判断基准
在传统从属理论无法应对算法经济的今天，在甄别劳动者身份过程当中，适时考虑算法经济的技术从属性，将应属于标准劳动者的劳动个体纳入劳动法的保护范围。但是对于算法从属性在传统从属性理论中的框架与地位中仍存在分歧，一是将技术从属性等同组织从属性，二是技术从属性仅系人格从属性或经济从属性之一部分。将技术从属性纳入经济从属性的范围有其现实意义与理论依据，但却仍无法从实质上对算法劳动进行身份判定，即仅具备经济从属性并不当然属于标准劳动者。
有学者借提出劳动者身份的判断基准分为人的从属与综合判断两类，前者又可分为指挥下监督以及劳务对价的判断基准；后者又包括劳动者是否具备事业者性、专属之程度以及其他如报酬之扣税、劳工保险等判断标准。而技术从属性所彰显的从属依存特征可以纳入劳动者身份判定基准的实质补强要素，充分考虑算法劳动的本质，以此对算法劳动者进行明确界定。在认定劳动者身份时，可以将从属性分为上位标准（人格从属性）、下位标准（实质标准）和其他形式标准，在认定过程中先以实质标准，再以上位标准，最后辅以形式标准。审查算法劳动者是否具备从属性时，将技术从属性作为实质评判标准，以算法思维审视其是否具备算法指挥监督上的从属关系。
根据现有案例表明，法院在面对算法经济中的劳动纠纷时，往往尊重经济商业模式，不会轻易介入对算法劳动模式的实质审查。算法经济中的算法劳动者往往被定义为众包、自雇或者劳务等身份，这种身份认定忽视了平台利用算法工具对算法劳动者的监督管理以及控制，算法劳动者在身份上已经完全附属平台。技术从属性为劳动者认定提供新的判别路径，摆脱了模糊的从属性判别标准，从实质上把握从属劳动的本质。例如，日本东京都劳动委员会在富国生命保险事件中认为，富国生命保险公司解除了所有外务员的雇佣关系，转为委任契约，但在判断劳动者身份过程当中，应当看到劳动者与雇主之间的技术从属特征，劳动内容中的指挥监督并非必要判定因素。从属性有无判断是基于多重因素的考量，而算法劳动形态的复杂多样，因此裁判者需要在算法劳动的表现形式自由的情况下，探寻算法平台与算法劳动者之间是否具备技术从属。
（二）细化技术从属性的多元判断要素
算法平台依托算法信息技术，采集分析算法劳动数据，推进算法劳动的数字化，虚拟劳动控制过程，建立胁迫式激励模式，压缩算法劳动者自主性的空间。固守传统从属理论往往会忽视这一现实问题，在处理算法劳动纠纷时，将算法劳动者归为自主劳动。司法的机械唯物主义导致法律滞后于劳动力市场，仅从形式外观出发，导致结果与事实的偏离。算法平台将严密的人身控制转变为算法代码为基础的隐蔽控制方式，隐匿其劳动强度与劳动控制，遮蔽算法劳动的劳动从属特征。因此裁判者在面临算法劳动纠纷时，需透析算法劳动的隐形控制方式，细化技术从属性的多元判定要素，以算法逻辑明辨算法劳动者从属性的有无与强弱。
算法劳动形态的复杂性与动态化特征，需要裁判者在司法实践中不断尝试，尽可能形成多元且可操作的要素指标体系。将算法劳动过程进行展开与细化，从多重维度审查算法劳动者是否具备从属特征。对于算法劳动者的技术从属性的多重标准，司法上也在进行相关尝试：（1）算法用工管理：算法平台借用应用程序对算法劳动者进行指派、调度与监督等行为，应认为具备从属特征；（2）算法劳动者的经济依赖：算法平台为算法劳动者支付相对固定的工资，且劳动与报酬之间具有对价结构；（3）算法劳动成果的归属：虽然经营方式的多样，但依据算法劳动者的劳动成果的归属，也可认定其从属关系；（4）算法劳动过程的形式：算法平台对算法劳动者的服装与装备有严格的外观要求；（5）算法劳动者有无允诺自由：算法平台要求算法劳动者强制接单，而算法劳动者并无选择自由；（6）算法劳动者接受算法平台的奖惩：算法劳动者受算法平台奖惩制度的拘束，其奖惩规则为电子格式合同，亦不影响从属关系认定。
裁判者在审理算法劳动纠纷的过程中，需进行探索性判断，建立更为开放化与弹性化的适用标准，按照个案案情选择多维度的判断要素，并不僵硬地要求单个或者多个判断指标，从实质上把握劳动关系中“从属”这一本质特征，进行综合判断。算法劳动纠纷的审理将面对更加复杂的劳动形态，因此采取更为多元的要素认定基准，有助于建立算法劳动者认定的长效机制，为裁判者留下自由裁量的余地。
（三）技术从属性与传统从属理论的互证
将技术从属性引入算法劳动者的认定基准，并非是全盘否定传统从属理论，而是随着算法经济的发展，传统从属理论的适用标准已经不足以判断新型的算法劳动形态。相较传统的从属性而言，算法劳动者的技术从属性在工作时间、工作地点以及监管方式上，更加灵活，算法平台对于其控制更具隐蔽性。算法劳动在本质上是算法平台藉由算法劳动的框架设计，转移用工风险，造成算法劳动的“去劳动关系”现象。强调技术从属性的目的在于，裁判者面对算法劳动者的认定纠纷时，需要以算法思维、算法视角与算法逻辑，发掘算法平台与算法劳动者的从属关系。
技术从属性并未脱离“从属”本质的范畴，而是在算法劳动关系当中，证明从属关系的存在。在劳动形态的演变过程当中，用工主体往往为规避用工责任，采取灵活用工的名义，掩盖真实雇佣。在算法劳动之前，存在劳务派遣公司与用工企业合谋，采取异地派遣的方式降低其应缴的社会保险费用。也有用工主体将本单位项目外包，由劳务派遣公司进行承包，以派遣之名，行外包之实。技术从属性是为刺透虚假的自由劳动的表象，表明算法平台的内在严格控制，从而矫正算法劳动的权力失衡。
技术从属性并非孤立于传统从属理论，二者均指向从属劳动这一核心，揭示劳动者的从属地位。算法劳动虽然改变了劳动力与生产资料的结合方式，但劳动力与生产资料结合的本质并未改变，因此有必要从本质上认识其劳动关系或者劳务关系。算法劳动者的身份认定需要以技术从属性进行实质审查，并结合传统技术从属性表证从属性的有无与强弱。在算法经济下，以技术从属性作为实质上的判定基准，并且细化为多元的判定要素，与传统从属理论相结合，才能有效矫正算法技术下的劳资失衡，促进算法经济的稳健发展。
五、结论
算法技术成为经济发展的新动能，不断推动劳动力产业转型，成为当前最具典型的用工形态。以算法技术为基础而构建的算法劳动模式，开辟了新型劳动场域，算法空间、算法组织与算法控制等劳动方式，对劳动法律适用提出新的挑战。目前算法劳动者成为劳动力市场的庞大群体，但其算法劳动形式更为复杂灵活，传统劳动从属理论的劳动者判定标准急需改进。在面对算法劳动者的身份判定时，将技术从属性作为实质判断基准，揭开算法劳动的形式自由，发掘算法劳动者与算法平台之间的实质从属关系。并且将具备实质从属特征的算法劳动者，纳入劳动法律的保护框架之内，完善算法劳动者的社会保障体系，从多元维度保护算法劳动者的切身利益，助推算法经济迈向高质量发展。